基于快速密度聚类的RBF神经网络设计
针对径向基函数(radial basis function,RBF)神经网络隐含层结构难以确定的问题,提出一种基于快速密度聚类的网络结构设计算法.该算法将快速密度聚类算法良好的聚类特性用于RBF神经网络结构设计中,通过寻找密度最大的点并将其作为隐含层神经元,进而确定隐含层神经元个数和初始参数;同时,引入高斯函数的特性,保证了每个隐含层神经元的活性;最后,用一种改进的二阶算法对神经网络进行训练,提高了神经网络的收敛速度和泛化能力.利用典型非线性函数逼近和非线性动态系统辨识实验进行仿真验证,结果表明,基于快速密度聚类设计的RBF神经网络具有紧凑的网络结构、快速的学习能力和良好的泛化能力.
RBF神经网络、快速密度聚类、结构设计、神经元活性、二阶算法、泛化能力、函数逼近、系统辨识
13
TP273(自动化技术及设备)
国家自然科学基金项目61533002,61603009;北京市自然科学基金面上项目4182007;北京工业大学日新人才项目2017-RX-1-04
2018-06-11(万方平台首次上网日期,不代表论文的发表时间)
共8页
331-338